Skip to main content

Topic outline

  • தலைப்புகள் மற்றும் வினா விடை

    • 1. மெஷின் லேர்னிங் மற்றும் ஆர்ட்டிஃபிசியல் இன்டலிஜன்ஸ் அறிமுகம் Lesson
    • 2. பைத்தான் அறிமுகம் மற்றும் IDE Lesson
    • 3. பைத்தான் புரோகிராமிங் அறிமுகம் மற்றும் டேட்டா டைப்ஸ் Lesson
    • 4. Numpy Packages and its Handson Lesson
    • 5. பாண்டஸ் பேக்கேஜ் மற்றும் ஹேண்ட்சன் Lesson
    • 6. Matplotlib பேக்கேஜ் பயன்படுத்தி டேட்டா விஸ்வலேசன் Lesson
    • 7. விளக்க புள்ளிவிவரம் அறிமுகம் using Pandas Lesson
    • 8. ஹய்போதீசிஸ் டெஸ்டிங் மற்றும் அதன் செயல்முறை Lesson
    • 9. Scipy பயன்படுத்தி இன்ஃபரன்சியல் புள்ளிவிவரங்கள் Lesson
    • 10. தகவல் தயாரிக்கும் முறைகள் மற்றும் EDA Lesson
    • 11. அளவிடுதல் Lesson
    • 12. தகவல் சேகரித்தல் மற்றும் தகவல் கையாளுதல் Lesson
    • 13. கோரிலேன் மற்றும் அப்ளிகேன் Lesson
    • 14. வினாப்பட்டியல் தயாரிக்கும் முறை Lesson
    • 15. டைம் சீரிஸ் Lesson
    • 16. பாக்டர் அனாலிசிஸ் Lesson
    • 17. க்ளஸ்டர் அனாலிசிஸ் Lesson
    • 18. டேட்டா ஆர்கிடெக்ச்சர் Lesson
    • 19. ANOVA - அனாலிசிஸ் ஆப் வேரியன்ஸ் Lesson
    • 20. ANOVA - அனாலிசிஸ் ஆப் கோவேரியன்ஸ் Lesson
    • 21. டிஸ்க்ரிமினன்ட் அனாலிசிஸ் Lesson
    • 22. லாஜிஸ்டிக் ரிக்ரஷன் Lesson
    • 23. லீனியர் ரிக்ரஷன் Lesson
    • 24. நிகழ்தகவு போயீஸ் தேற்றம் (Probability Baye ' s Theorem) Lesson
    • 25. தனித்துவமான நிகழ்தகவு விநியோகம்(Discrete Probability Distribution ) Lesson
    • 26. தொடர்ச்சியான நிகழ்தகவு விநியோகம்(Continuous Probability Distribution) Lesson
    • 27. சங்க விதி (Association rule )- அஃப்ரியோரி வழிமுறை (Apriori Algorithm) Lesson
    • 28. ஆர்டிபிசியல் நியூரல் நெட்ஒர்க் (Artificial Neural Network) Lesson
    • 29. டெசிஷன் ட்ரீ (Decision Tree) Lesson
    • 30. ரான்டொம் போரெஸ்ட் (Random Forest) Lesson
    • 31. நைவ் பேயீஸ் வகைப்பாடு (Naïve Baye's Classification) Lesson
    • 32. கே நியரெஸ்ட் நெய்பர் / K அருகிலுள்ள அண்டை (K Nearest Neighbour) Lesson
    • 33. சப்போர்ட் வெக்டர் மெஷின் / ஆதரவு திசையன் இயந்திரம் (Support Vector Machine) Lesson
    • 34. ஆர்டிபிசியல் நியூரல் நெட்ஒர்க் (Artificial Neural Network) Lesson